Berlin, 21. Oktober 2019
Machine Learning in Echtzeit mit Dlib
Kithara Software hat die Anbindung der Software-Bibliothek Dlib innerhalb des Kithara-Echtzeitsystems bekanntgegeben. Die offene Bibliothek, welche Algorithmen und Werkzeuge für die Programmierung komplexer Machine-Learning-Anwendungen bereitstellt, lässt sich so auch in Verbindung mit harten Echtzeiteigenschaften nutzen.
Mit Dlib unterstützt das Windows-basierte Echtzeitbetriebssystem Kithara RealTime Suite zum ersten Mal eine dedizierte Software zur Entwicklung im Bereich Machine Learning. Selbstlernende Systeme können dank Echtzeit auf eine optimierte Kommunikation der eingehenden Informationen zurückgreifen oder schnellere Steuerungsreaktionen auslösen, beispielsweise bei der Entscheidungsfindung.
„Dlib ist nicht die erste externe Funktionsbibliothek, die von unserer Software eingebunden wird. So setzen wir bereits seit Jahren mit Erfolg auf etablierte Bildverarbeitungsbibliotheken. Mit der direkten Anbindung von Dlib an Kithara RealTime Suite wollen wir nun auch eine Brücke zwischen Echtzeit und Machine Learning bauen, um den einfachen Zugang zu solch komplexen Funktionen bereitzustellen. Dies ermöglicht auch den praktischen Einsatz von künstlicher Intelligenz mit zeitkritischen Anforderungen, etwa im Maschinenbau“, erklärte Uwe Jesgarz, Geschäftsführer von Kithara Software GmbH.
Dlib ist eine offene Softwarebibliothek, die sich in jedes Projekt kostenfrei implementieren lässt. Neben Algorithmen für maschinelles Lernen inklusive Deep Learning sowie Features für weitere Anwendungsbereiche, beinhaltet die Bibliothek zudem auch Funktionen für maschinelles Sehen. Die von Kithara ebenfalls bereitgestellte Echtzeit-Bilderfassung und -verarbeitung lässt sich so mit Machine Learning verbinden und im selben Echtzeitkontext ausführen.
Die Dlib-Anbindung ist für Kithara der erste aktive Vorstoß auf dem Gebiet Machine Learning in Echtzeit, wobei eine Ausweitung in diesem Bereich bereits geplant ist. Weitere Unterstützungen von Softwarelösungen wie TensorFlow oder MXNet werden derzeit evaluiert.
